基于粒子群算法的bp神经网络光伏电池建模 modeling of photovoltaic-array based on bp neural networks improved by particle swarm optimization algorithm.pdfVIP

第30卷第2期 电工电能新技术 V01．30，No．2 of and 2011 2011年4月 Advanced Electrical April Technology EngineeringEnergy 基于粒子群算法的BP神经网络光伏电池建模 郭 亮1”，陈维荣1，贾俊波2”，韩明2，刘永浩2 (1．西南交通大学电气工程学院，四川成都610031；2．淡马锡理工学院工程学院，新加坡529757； 3．南洋理工大学电力电子工程学院，新加坡639798) 摘要：针对光伏电池复杂难以建模的非线性特性，本文提出一种基于粒子群算法(PSO)的反向传 播(BP)神经网络建模方法。神经网络具有很强的非线性拟合能力，但同时也存在收敛速度慢、容 易陷入局部极值、建模精度不高等缺点。本文采用粒子群算法来优化神经网络的内部连接权值，以 改善神经网络的性能，并基于这种改进的神经网络构建光伏电池动态模型。测试及仿真结果表明， 通过此法建立的光佚电池模型辨识精度高，收敛速度快，取得了较好的效果。 关键词：光伏电池；神经网络；粒子群算法 中图分类号：TP273 文献标识码：A 文章编号：1003-3076(2011)02-0084-05 所采用的粒子群算法优化后的BP神经网络H1，对 1 引言 非线性系统具有更好的自学习能力、逼近能力以及 目前，由于化石燃料的日益减少和全球环境的 泛化能力，对太阳能光伏电池建模，效果明显，可以 恶化，能源紧缺和环境保护已成为全球面临的重大 得到更加精确的输入输出模型。 问题，低碳经济已成为世界各国的重要国策，开发及 2光伏电池特性 利用新能源成为了各国关注的焦点。太阳能作为一 种取之不尽且清洁无污染的能源，成为了新能源领 光伏电池是一种直接将太阳能转换为电能的半 域开发和研究的重点之一。 导体装置，典型的光伏电池(电流I一电压V)、(功率 光伏电池可直接将太阳能转换为电能，是太阳 P．电压V)特性如图1所示∞。。 能利用的重要组成部分。目前已有的光伏电池模型 衢 ∞ 多是基于光伏电池物理特性所建立的数学模型。这 50 些模型虽能表征光伏电池的内部原理却不能有效地 乏40 善30 反映当太阳辐射强度、环境温度变化时，光伏电池运 20 行状态的瞬态变化，并且表达式复杂，计算繁琐。而 10 0 实际应用多只针对光伏电池的外部特性，对其内部 机理并无要求，所以传统数学模型并不一定能适应 工程上的需要…。 图1 不同光强和温度时的I·V、P-V曲线 curveofvariousirradiation 利用神经网络对光伏电池建模避开了电池内部 Fi